Epidermal Growth Factor Receptor Mutation Frequency in Squamous Cell Carcinoma and Its Diagnostic Performance in Cytological Samples: A Molecular and Immunohistochemical Study
Notice bibliographique
Résumé
BACKGROUND: Epidermal growth factor receptor (EGFR) mutation is the most frequent mutation tested in lung cancer for targeted therapy in the era of personalized medicine. Knowledge about EGFR mutation is constantly expanding regarding its frequency, clinicopathological association, advancements in testing methodology and sample requirement. We investigated EGFR mutation frequency in non-small cell lung cancer (NSCLC) in North Indian patients and evaluated its diagnostic performance in cytological samples. METHODS: Molecular EGFR testing was done in 250 cases of NSCLC by both real-time polymerase chain reaction (PCR) (Therascreen) and mutation-specific EGFR immunohistochemistry (IHC). Thirty cases had both cytology samples and biopsy including 20 pleural effusions and 10 fine-needle aspirates. EGFR mutation concordance between pleural effusion and biopsy was studied. RESULTS: EGFR mutation was overall 31.6% in NSCLC with 36.5% in adenocarcinoma and 15% in squamous cell carcinoma. L858R mutation accounted for 50.7% and DEL19 for 39.3% of total EGFR mutations. Complex mutations were seen in 2% of cases. Sensitivity of mutation-specific EGFR IHC was 48.3% and specificity was 92.3%. L858R showed higher sensitivity (55% vs. 33.3%) but similar specificity (93.2% vs. 91.3%) compared to DEL19. EGFR mutation was successful in 95% of pleural effusion and showed 83.3% concordance with tissue biopsy. CONCLUSIONS: EGFR mutation frequency in North Indian patients was comparable to that of Asia-Pacific region and showed a similar pattern of histological distribution. EGFR mutation in squamous cell carcinomas is increasingly recognized which was 15% in our study. Mutation-specific EGFR IHC shows variable but generally low sensitivity and considering its significant pre- and post-analytical variables, it should be highly discouraged in patient management. Cytological samples may not only serve as suitable alternative but may be complementary to tissue biopsies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».